Archives

Study Engineer Position – data-base manager, Bioinformatics & systems modeling for neurodegenerative disease research, Paris, France

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Brain-C Lab, NeuroSU, Institute of Biology Paris-S
Durée : 11 months
Contact : lucile.megret@sorbonne-universite.fr
Date limite de publication : 2025-05-31

Contexte :

Sujet :
A 11 months position is immediately available in the Brain-C Lab in Paris for a bioinformatician at the Study Engineer (IE) level (post-master position). The selected candidate will work with a team of mathematicians, bioinformaticians, and neurobiologists on modeling time- and cell-resolved omics data to built computational models of molecular pathogenesis in neurodegenerative diseases such as amyotrophic lateral sclerosis (ALS), integrate data from other diseases such as Huntington’s disease (HD) and disseminate data via online platforms. The selected candidate will use BioGemix, our post-omics machine learning platform and related databases. This position is a unique opportunity to further develop expertise and skills in a multidisciplinary team and network of direct collaborators that cover systems modeling, database development, and cellular neurobiology for breakthrough in neurodegenerative disease research.

Application: Interested candidates should apply immediately by sending a letter of motivation, a full CV, and the names and emails of two-three references to christian.neri@inserm.fr and lucile.megret@sorbonne-universite.fr

Profil du candidat :
The candidates should hold a Master in Biofinformatic or a Master in Informatics and they should have no more than 3-4 years of post-master experience. The position is full time, on site, and candidates should have strong collaborative skills and commitment to team work along with strong ability to work independently in addition to strong interest for research.

Formation et compétences requises :
• Experience working with NGS data and performing respective bioinformatic pipelines in order to process sequencing data.
• Programming autonomy on at least one of the following languages: python, R, C / C ++.
• Good knowledge of basic web technologies: PHP, MySQL, JavaScript, jQuery.
• Fluency on Ubuntu.
• Hands-on experience with in house server maintenance (Backup, shared space, and webserver).
• Scientific English essential

• Skills in data visualization will be a plus.
• Basic knowledge in statistics and machine learning are desirable but not mandatory.

Adresse d’emploi :
7 Quai Saint-Bernard, 75005 Paris

Document attaché : 202503241018_Annonce_bioinfo_IE.pdf

[Call for Paper] IEEE CITS 2025, Colmar, France in July 16-18, 2025 (Hybrid conference)

Date : 2025-07-16 => 2025-07-18
Lieu : CITS 2018 will take place in the Institut Universitaire de Technologie de Colmar (IUT), Universitè de Haute Alsace: 34, Grillenbreit Street, 68008 Colmar, France

[We apologize if you receive multiple times this CFP message.]

Dear colleague-

It is our great pleasure to invite you to attend and submit papers to the 2025 International Conference on Computer, Information and Telecommunication
Systems (CITS 2025), July 16-18, 2025, Colmar, France. CITS 2025, technically sponsored by IEEE Communication Society, is an international forum for
scientists, engineers, and practitioners to present their latest research results in all areas of Computer, Information, and Telecommunication Systems.
The conference will feature tutorials, technical paper presentations and distinguished keynote speeches. The conference will feature 6 tracks:
* Computer Systems Track
* Information Technology Track
* Web Technologies Track
* Networking Systems Track
* Telecommunications Systems Track
* Security Systems Track
Further details are in the following link: https://cits.udg.edu/

Papers should be written in English (10-point font, A4 size paper). For your submission you can use the standard IEEE Transactions templates for 
Microsoft Word or LaTeX formats found at: http://www.ieee.org/go/conferencepublishing/templates (Remember: A4 size).
Papers must be submitted in Portable Document Format (PDF) format, using the following EDAS link: https://edas.info/N33103. All full paper submissions will
be peer reviewed and evaluated based on originality, technical and/or research content/depth, correctness, relevance to conference, contributions, and
readability.

*** All accepted papers will be submitted for inclusion to IEEE Xplore digital library covered by Scopus and EI indexing. Selected extended versions of
accepted papers will be published in special issue(s)/Section(s) of Scholarly journals.

Important Dates:
Invited session, workshop, tutorial proposals: May 5, 2025
Paper submission: May 5, 2025
Author notification: June 16, 2025
Camera-ready paper submission: July 4, 2025


*** Important Notice: Papers are reviewed on the basis that they do not contain plagiarized material and have not been submitted to any other conference 
at the same time (double submission). These matters are taken very seriously and the IEEE will take action against any author who engages in either 
practice

We look forward to your participation in IEEE CITS 2025 and seeing you in Colmar, France.

======================================================================================================================================================
Due to numerous requests from potential authors, CITS 2025 will be held as a hybrid conference in the period July 16-18, 2025, Colmar, France. Those
authors who will not be allowed to travel abroad by strict national rules in force at the time of the conference or have other serious reasons accepted 
by the organizers will be given an opportunity to present their accepted work remotely. We will be happy to see all authors manage to attend; we know
that special circumstances are best handled by having flexible options. Please consider to contribute and submit your original research results to 
CITS 2025. 
======================================================================================================================================================

Mohammad S. Obaidat, Pascal Lorenz, Kuei-Fang (Leila) Hsiao, Petros Nicopolitidis and Yu Guo, 
IEEE CITS 2025 Organizers 
2025 International Conference on Computer, Information and Telecommunication Systems 
https://cits.udg.edu/ July 16-18, 2025, Colmar, France

 

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

sujet de thèse : Clustering sous contraintes de séquences temporelles multivariées et hétérogènes – Application à des données hydrologiques

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : ICube Strasbourg
Durée : 3 ans
Contact : florence.leber@engees.unistra.fr
Date limite de publication : 2025-05-19

Contexte :
Cette thèse s’inscrit dans le champ de l’apprentissage non supervisé ou faiblement supervisé appliqué aux données temporelles. Le clustering / classification, qui consiste à partitionner l’ensemble des objets analysés en groupes ou clusters, est une des approches les plus employées et repose sur une mesure de similarité entre les objets. Plus particulièrement, le clustering de séquences soulève des problèmes liés à la mesure de similarité entre deux individus. Par exemple, dans le suivi des cours d’eau, certains phénomènes répondent à une fréquence annuelle liée au cycle naturel de l’eau, mais peuvent être décalés dans le temps du fait de l’éloignement géographique et de la météorologie locale. Or, la mesure de similarité doit pouvoir prendre en compte ces potentiels décalages ou légère distorsions dans le temps. De nombreuses méthodes ont été proposées dans la littérature pour prendre en compte ces spécificités par exemple, Dynamic Time Warpping, Longest Common SubSequence , ou plus récemment des représentations par shapeletsou par réseau de neurones.

Sujet :
L’objectif principal de la thèse est de développer de nouvelles approches pour mesurer la similarité entre deux séries temporelles multivariées en prenant en compte des valeurs manquantes distribuées de manière hétérogène dans le temps et entre les variables. Il s’agira de définir des solutions pour intégrer l’information temporelle (espacement entre deux pas de temps, fréquences temporelles des mesures, …) dans le calcul de la similarité. Nous nous intéresserons également à la manière d’intégrer la connaissance de l’expert via des annotations, aussi appelées contraintes (par exemple, proximité/éloignement entre deux individus sur la base d’informations externes), portant à la fois sur des liens temporels et spatiaux entre différents individus, afin d’améliorer la correspondance entre le clustering obtenu et les attentes de l’expert. Ces approches seront expérimentées sur les données de suivi des cours d’eau, qui soulèvent différentes difficultés, du fait de leur nombre, de leur diversité, et de leur hétérogénéité à la fois spatiale et temporelle. On s’intéressera en particulier aux questions suivantes :
– clustering de séquences constituées de vecteurs de paramètres, sachant que ces paramètres ne sont pas mesurés toujours en même temps
– prise en compte des contraintes temporelles (saisons) ou géographiques (régions hydrographiques)
– couplage des données physico-chimiques avec les données biologiques ou hydrologiques (temporalités différentes)
– exploration des limites des méthodes en nombre et taille de séquences

Profil du candidat :

— Master 2 en Informatique
— Formation en sciences des données, fouille de données, apprentissage.

Formation et compétences requises :

— Connaissances solides en apprentissage automatique et en modélisation de connaissances.
— Bonnes compétences en programmation en Python ou R.
— Bonnes compétences de communication et à l’écrit en anglais.
— Un intérêt pour le sujet d’application

Adresse d’emploi :
UMR ICube, 67400 Illkirch (banlieue sud de Strasbourg, accessible en tram)

Document attaché : 202503231357_Suite_Adqeau.pdf

CCIP Apprentissage

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : Toulouse School of Economics
Durée : CDD-CDI
Contact : edouard2.pauwels@ut-capitole.fr
Date limite de publication : 2025-05-16

Contexte :
Bonjour

La TSE ouvre un poste d’enseignant en Python et apprentissage automatique pour les titulaires d’un doctorat en mathématiques/informatique. Enseignements du L au M.

Il s’agit d’un CDD de 2+2 ans ouvrant sur CDI, avec une rémunération et une évolution de type MCF.

Voir annonce au lien suivant:

https://www.tse-fr.eu/sites/default/files/TSE/documents/doc/recrutement/annonce_ccip_2025.pdf

Date limite de postulation : 15 mai 2025

Pour tout renseignement écrire à jerome.bolte@tse-fr.eu, edouard.pauwels@tse-fr.eu

Bien cordialement
Jérôme Bolte

Sujet :
Poste d’enseignant en Python et apprentissage automatique pour les titulaires d’un doctorat en mathématiques/informatique.

Profil du candidat :
Il s’agit d’un CDD de 2+2 ans ouvrant sur CDI, avec une rémunération et une évolution de type MCF.

Voir annonce au lien suivant:

https://www.tse-fr.eu/sites/default/files/TSE/documents/doc/recrutement/annonce_ccip_2025.pdf

Formation et compétences requises :

Adresse d’emploi :
Toulouse School of Economics, Université Toulouse Capitole. Toulouse.

Bayesian Estimate of Galaxy Cluster Masses for Improved Cosmological Parameter Inference

Offre en lien avec l’Action/le Réseau : DatAstro/Doctorants

Laboratoire/Entreprise : CRIStAL / Univ. Lille
Durée : 36 months
Contact : jenny.sorce@univ-lille.fr
Date limite de publication : 2025-06-30

Contexte :
This PhD thesis proposal focuses on improving galaxy cluster mass estimation to enhance cosmological parameter inference, in order to address critical challenges such as the S8 cosmological parameter discrepancy. By leveraging multi-wavelength observations, advanced statistical techniques including Bayesian inference and machine learning to solve this inverse problem, the project aims to refine relations between the cluster mass and their observable properties, reduce data dimensionality, and efficiently process large datasets. Anticipated outcomes include innovative Bayesian hierarchical models, optimized data reduction algorithms, and a robust inference pipeline for generating a high-fidelity galaxy cluster mass catalog towards testing cosmological models.

Sujet :
The standard cosmological model successfully describes the Universe’s large-scale structure and evolution. Observational evidence, including the cosmic microwave background (CMB) and the hierarchical distribution of galaxies in the cosmic web, provides strong support for this model. These data suggest that dark matter and dark energy dominate the Universe, together constituting approximately 95% of its total content.
Despite its success, this model faces challenges. For instance, the value derived for the S8 parameter, which characterizes the matter distribution on certain scales, differs by three standard deviations when using galaxy cluster counts instead of CMB observations. Resolving this tension is critical to determine whether new physics theories are required, or systematic errors in data analysis pipelines need to be accounted for.
Galaxy clusters are a key tool to address these challenges. As the largest gravitationally bound structures in the Universe, their number and masses are closely related to the underlying cosmology. Accurately estimating their masses and number across diverse environments and redshifts is essential to test the standard model and refine our understanding of the Universe.
This PhD project focuses on developing Bayesian hierarchical models to improve the estimation of galaxy cluster masses. By leveraging multi-wavelength observations, advanced data reduction, and machine learning techniques, this research will provide more precise mass estimates, refine scaling relations, and facilitate the inference of cosmological parameters from large datasets.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
UMR CRIStAL
Université de Lille – Campus scientifique
Bâtiment ESPRIT
Avenue Henri Poincaré
59655 Villeneuve d’Ascq

Document attaché : 202503181504_main.pdf

Industry Partnership Event

Date : 2025-03-26 => 2025-03-28
Lieu : TA Pôle Santé / TA Bouguen
Université de Bretagne Occidentale
Brest

Industry Partnership Event in Human-Computer Interaction and AI Innovations


Registration (until March 20, 2025): https://forms.gle/SPsCceHoCfUJe3Ew7

The University of Brest is pleased to invite you to the Industry Partnership Event, taking place from 26 to 28 March 2025. This event will bring together academia and industry leaders (Elsevier, Orange, etc.) to explore collaboration opportunities in human-computer interaction, digital libraries, broader information access, natural language processing, and artificial intelligence.

Wednesday, March 26  – TA Pôle Santé (22 rue Camille Desmoulins, Brest)

  • 14h00 – 17h00: Tutorials for students

Thursday, March 27 – TA Bouguen (6 Rue du Bouguen, Brest)

  • 9h00 – 12h00: French innovation tools (SATT, IRT, FEM, Technopole)
  • 14h00 – 18h00: Presentations from top academic researchers and industries (Elsevier, Orange, University of Amsterdam, University of Regensburg)

Friday, March 28  – TA Pôle Santé (22 rue Camille Desmoulins, Brest)

  • 9h00 – 12h00: Presentations from top academic researchers and industries (Henning Müller – HES-SO Valais-Wallis, France Energy Marine etc.)
  • 14h00 – 17h00: Panel discussions and breakout groups

Best regards,


Liana Ermakova
Udo Kruschwitz
Jaap Kamps

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Poste MCF IA/Machine Learning

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIFO (équipe Contraintes et Apprentissage), Univer
Durée : Prise de fonction au
Contact : guillaume.cleuziou@univ-orleans.fr
Date limite de publication : 2025-04-04

Contexte :
L’Université d’Orléans recrute un(e) Maître de Conférences en Informatique (section CNU 27) pour un poste au sein du Laboratoire d’Informatique Fondamentale d’Orléans (LIFO, équipe Contraintes et Apprentissage). Le poste est rattaché à l’UFR Sciences et Techniques.

Informations pratiques :
· Date de prise de fonction : 1er septembre 2025.
· Lieu : Université d’Orléans, Département Informatique, UFR-ST.
· Dépôt des candidatures : exclusivement via l’application Galaxie.

Pour plus d’informations :

Contact scientifique : Marcílio Pereira de Souto (responsable de l’équipe CA) Email : marcilio.desouto@univ-orleans.fr

Contact enseignement : Laure Kahlem (responsable du Département Informatique) Email : laure.kahlem@univ-orleans.fr

Sujet :
Le/la candidat(e) retenu(e) rejoindra l’équipe Contraintes et Apprentissage (CA) du LIFO, reconnue pour ses travaux en intelligence artificielle et apprentissage automatique. Les thématiques prioritaires incluent :

· Apprentissage supervisé, non supervisé et par renforcement ;
· Explicabilité des modèles et intégration de connaissances ;
· Modèles de langage de grande taille (LLM) et traitement automatique du langage (TAL) ;
· Apprentissage profond et sous contraintes.

Profil d’enseignement :
Le/la candidat(e) contribuera à l’enseignement dans les domaines suivants :

· Programmation avancée (Java), conception orientée objet, frameworks web, services web ;
· Intelligence artificielle, apprentissage automatique et profond.

Profil du candidat :

Formation et compétences requises :
Qualifications requises :

· Doctorat en informatique ou domaine connexe.
· Solides compétences en enseignement et recherche.
· Capacité à encadrer des étudiants (stages, projets de recherche).

Adresse d’emploi :
Université d’Orléans, LIFO, Département Informatique, UFR-ST.

Poste de Professeur des universités à l’Université de Rouen

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LITIS Lab, Rouen
Durée : –
Contact : paul.honeine@univ-rouen.fr
Date limite de publication : 2025-04-04

Contexte :

Sujet :
Un poste de Professeur des universités est ouvert à l’UFR Sciences et Techniques de l’Université de Rouen, au profil « Statistiques en sciences des données » – Sections 61 & 26 du CNU : Département de mathématiques & Laboratoire LITIS (Équipe « Apprentissage »)

Profil pédagogique :
Le/la candidat(e) s’impliquera dans l’enseignement en statistique et ses applications, principalement au département de mathématiques, et dans d’autres départements de l’UFR ST. Il/elle contribuera à la création de cours en machine learning dans les formations du département de mathématiques.

Profil recherche :
La personne recrutée intégrera l’équipe « Apprentissage » du LITIS qui souhaite renforcer son potentiel d’encadrement et développer des recherches fondamentales à la frontière des Mathématiques, de la Science des Données, du Machine Learning et de l’Intelligence Artificielle, en collaboration avec le LMRS.

Pour plus d’informations :

Offre 252438 sur ODYSSEE

https://odyssee.enseignementsup-recherche.gouv.fr/procedures/recrutement-ec/offres-poste/fiche-offre-poste/252438

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Rouen

Document attaché : 202503181000_ODYSSEE_EditionPoste_Etab0761904G_OffreEC252438.pdf

CfP: MACLEAN: MAChine Learning for EArth ObservatioN (workshop @ECML/PKDD2025)

Date : 2025-09-19
Lieu : Porto, Portugal

MACLEAN: MAChine Learning for EArth ObservatioN

19 September 2025

KEY DATES

Paper submission deadline: June 14, 2025
Paper acceptance notification: July 14, 2025
Paper camera-ready deadline: TBA

CONTEXT

The huge amount of data currently produced by modern Earth Observation (EO) missions has raised up new challenges for the Remote Sensing communities. EO sensors are now able to offer (very) high spatial resolution images with revisit time frequencies never achieved before considering different kind of signals, e.g., multi-(hyper)spectral optical, radar, LiDAR and Digital Surface Models.
In this context, modern machine learning techniques can play a crucial role to deal with such amount of heterogeneous, multi-scale and multi-modal data. Some examples of techniques that are gaining attention in this domain include deep learning, domain adaptation, semi-supervised approach, time series analysis and active learning.
Even though the use of machine learning and the development of ad-hoc techniques are gaining increasing popularity in the EO domain, we can witness that a significant lack of interaction between domain experts and machine learning researchers still exists.
The objective of this workshop is to supply an international forum where machine learning researchers and domain-experts can meet each other, in order to exchange, debate and draw short and long term research objectives around the exploitation and analysis of EO data via Machine Learning techniques. Among the workshop’s objectives, we want to give an overview of the current machine learning researches dealing with EO data, and, on the other hand, we want to stimulate concrete discussions to pave the way to new machine learning frameworks especially tailored to deal with such data.

TOPICS
– Supervised Classification of Multi(Hyper)-spectral data
– Supervised Classification of Satellite Image Time Series data
– Unsupervised Learning of EO Data
– Deep Learning approaches to deal with EO Data
– Machine Learning approaches for the analysis of multi-scale EO Data
– Machine Learning approaches for the analysis of multi-source EO Data
– Semi-supervised classification approaches for EO Data
– Active learning for EO Data
– Transfer Learning and Domain Adaptation for EO Data
– Interpretability and explainability of machine learning methods in the context of EO data analysis
– Bayesian machine learning for EO Data
– Dimensionality Reduction and Feature Selection for EO Data
– Graphicals models for EO Data
– Structured output learning for EO Data
– Multiple instance learning for EO Data
– Multi-task learning for EO Data
– Online learning for EO Data
– Embedding and Latent factor for EO Data
– Foundation Models for Earth Observation
– Multi-Modal approaches for EO Data
– Self-supervised learning for EO Data
– Physics-informed machine learning for EO Data

INVITED SPEAKERS:

– Prof. Dr. Elif Sertel – Istanbul Technical University, Istanbul, TR, https://web.itu.edu.tr/~sertele/
Keynote title : TBA

SUBMISSION
We welcome original contributions, either theoretical or empirical, describing ongoing projects or completed work. Contributions can be of two types: either short position papers (up to 6 pages including references) or full research papers (up to 10 pages including references). Papers must be written in LNCS format, i.e., accordingly to the ECML-PKDD 2024 submission format. Accepted contributions will be made available electronically through the Workshop web page.
Post-proceedings will be also published at the CCIS (Communications in Computer and Information Science) series.

WORKSHOP WEBSITE:

https://sites.google.com/view/maclean25

SUBMISSION WEBSITE:

TBA

PC-CHAIRS

Thomas Corpetti, CNRS, LETG-Rennes COSTEL UMR 6554 CNRS, Rennes, France, thomas.corpetti@cnrs.fr
Roberto Interdonato, CIRAD, UMR Tetis, Montpellier, France, roberto.interdonato@cirad.fr
Cassio Fraga Dantas, INRAE, UMR Tetis, Montpellier, France, cassio.fraga-dantas@inrae.fr
Dino Ienco, INRAE, UMR Tetis, Montpellier, France, dino.ienco@inrae.fr
Minh-Tan Pham, Univ. Bretagne-Sud, UMR 6074, IRISA, Vannes, France, minh-tan.pham@irisa.fr

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Poste MCF 61 en

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Ecole d’Ingénieurs Jules Verne, Laboratoire des T
Durée : MCF
Contact : nadia.hamani@u-picardie.fr
Date limite de publication : 2025-05-31

Contexte :

Sujet :
Cher(e)s tou(te)s,

Un poste de Maître de Conférences en 61ème section est ouvert au concours à l’EiJV (Ecole d’Ingénieurs Jules Verne) sur le profil “Logistique et Supply Chain, transformation digitale”. (cf. fiche jointe).

Les candidats intéressés sont invités à se faire connaître,

Pour tout renseignement sur le poste, merci de bien vouloir nous contacter :

A : nadia.hamani@u-picardie.fr, Prof. Nadia Hamani, Responsable de la spécialité Logistique
Cc : gilles.dequen@u-picardie.fr, Prof. Gilles Dequen, Directeur de l’EiJV

Merci pour la publicité que vous pourriez accorder à cette annonce.

Bien cordialement,

Nadia Hamani et Gilles Dequen

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Ecole d’Ingénieurs Jules Verne, Saint Quentin

Document attaché : 202503171414_MCF 61 EiJV _2025.pdf